| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 课题背景 | 第11页 |
| 1.2 研究目的与意义 | 第11-13页 |
| 1.2.1 研究目的 | 第11-12页 |
| 1.2.2 研究意义 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-15页 |
| 1.3.1 数字图像稀疏分解方法的发展 | 第13-14页 |
| 1.3.2 国外研究现状 | 第14-15页 |
| 1.3.3 国内研究现状 | 第15页 |
| 1.4 主要研究内容、主要解决的问题以及论文结构 | 第15-19页 |
| 1.4.1 该课题主要研究的内容 | 第15-16页 |
| 1.4.2 该课题主要解决的问题 | 第16-17页 |
| 1.4.3 该论文的主要内容及结构 | 第17-19页 |
| 第二章 图像压缩技术 | 第19-28页 |
| 2.1 数字图像的表示 | 第19-20页 |
| 2.2 图像压缩技术概述 | 第20-28页 |
| 2.2.1 图像压缩技术分类 | 第20-21页 |
| 2.2.2 图像压缩技术的必要性 | 第21-22页 |
| 2.2.3 图像压缩的标准和方法 | 第22-25页 |
| 2.2.4 图像压缩效果评价 | 第25-28页 |
| 第三章 信号的分解与表达 | 第28-39页 |
| 3.1 基于基分解的线性时频表示 | 第29-34页 |
| 3.1.1 傅里叶变换 | 第30-31页 |
| 3.1.2 短时傅里叶变换 | 第31-32页 |
| 3.1.3 小波变换 | 第32页 |
| 3.1.4 基分解的不足 | 第32-34页 |
| 3.2 经典的时频分布 | 第34-36页 |
| 3.2.1 Wigner-Ville分布 | 第34-35页 |
| 3.2.2 Cohen类时频分布 | 第35-36页 |
| 3.3 稀疏表示方法 | 第36-39页 |
| 3.3.1 信号稀疏表示的特点 | 第36-37页 |
| 3.3.2 稀疏表示的应用 | 第37-39页 |
| 第四章 图像的稀疏表示 | 第39-45页 |
| 4.1 图像稀疏分解的基本思想 | 第39-40页 |
| 4.2 常用的稀疏分解算法 | 第40-42页 |
| 4.2.1 匹配追踪算法 | 第41-42页 |
| 4.2.2 稀疏分解算法的信号精确重构条件 | 第42页 |
| 4.3 时频原子字典 | 第42-45页 |
| 4.3.1 Gabor原子字典 | 第43页 |
| 4.3.2 Chirplet字典 | 第43-44页 |
| 4.3.3 FMmlet字典 | 第44页 |
| 4.3.4 Dopperlet字典 | 第44-45页 |
| 第五章 自适应Gabor子字典的匹配追踪算法 | 第45-53页 |
| 5.1 自适应Gabor子字典 | 第45-46页 |
| 5.2 自适应子字典的匹配追踪算法收敛性 | 第46-50页 |
| 5.3 离散自适应Gabor子字典的匹配追踪快速算法 | 第50-53页 |
| 第六章 算法验证实验及结果分析 | 第53-63页 |
| 第七章 总结 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 个人简介 | 第69页 |